人類視覺系統(tǒng)不僅能夠快速定位場景中感興趣的區(qū)域,同時還能檢測并識別場景中的重要目標(biāo),即顯著性目標(biāo)。隨著科技的發(fā)展和互聯(lián)網(wǎng)的普及,尤其是數(shù)據(jù)獲取手段的提高,網(wǎng)絡(luò)上圖像、視頻數(shù)據(jù)呈爆炸性的增長。因此,如何從海量數(shù)據(jù)中快速地獲取有效信息是信息處理領(lǐng)域研究的主要問題。而如何從大量的圖像或視頻數(shù)據(jù)中提取重要信息,包括目標(biāo)檢測與識別,是計算機(jī)視覺領(lǐng)域的重點研究目標(biāo)。為了使計算機(jī)快速、智能地實現(xiàn)這些功能,近幾年來,顯著目標(biāo)檢測方法備受關(guān)注。顯著目標(biāo)檢測方法將有限的計算資源分配給場景中的重要區(qū)域,不僅為后續(xù)視覺任務(wù)的完成提供了有效信息,提高后續(xù)算法的性能,而且還消除了冗余區(qū)域的干擾,節(jié)省計算時間。因此,顯著目標(biāo)檢測算法作為圖像預(yù)處理算法,已成功應(yīng)用于多種多樣的計算機(jī)視覺任務(wù)中,如圖像檢索、視覺追蹤、圖像放縮等�？紤]到圖像中包含大量冗余信息,算法無法快速、精準(zhǔn)地檢測到完整的顯著目標(biāo)。而首先提取圖像中的關(guān)于顯著目標(biāo)的關(guān)鍵信息(如特征、位置等),隨后根據(jù)特征間的關(guān)聯(lián)關(guān)系將關(guān)鍵信息傳播到其他區(qū)域,是行之有效的策略。因此研究有效、魯棒的關(guān)鍵信息提取方法和特征傳播模型是本文要解決的主要問題。本文的主要工作如下:(...

【文章頁數(shù)】：123 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 顯著目標(biāo)檢測簡介
        1.2.1 顯著目標(biāo)檢測的基本理論
        1.2.2 顯著目標(biāo)檢測的實際應(yīng)用
    1.3 顯著目標(biāo)檢測研究的挑戰(zhàn)
        1.3.1 問題難點
        1.3.2 技術(shù)難點
    1.4 相關(guān)研究綜述
        1.4.1 基于手工設(shè)計特征的顯著目標(biāo)檢測方法
        1.4.2 基于深度學(xué)習(xí)的顯著目標(biāo)檢測方法
        1.4.3 基于傳播模型的顯著目標(biāo)檢測方法
    1.5 傳播模型簡介
    1.6 常用的測評數(shù)據(jù)庫和測評方法
        1.6.1 測評數(shù)據(jù)庫
        1.6.2 測評方法
    1.7 本文內(nèi)容和組織架構(gòu)
2 基于模式挖掘的顯著目標(biāo)檢測算法
    2.1 引言
    2.2 模式挖掘算法
        2.2.1 頻繁項集
        2.2.2 關(guān)聯(lián)規(guī)則
        2.2.3 關(guān)聯(lián)規(guī)則挖掘算法
    2.3 基于模式挖掘的顯著性種子點檢測算法
        2.3.1 特征提取
        2.3.2 挖掘顯著性模式
        2.3.3 檢測顯著性種子點
    2.4 顯著性傳播模型
        2.4.1 構(gòu)建無向圖
        2.4.2 增強(qiáng)的隨機(jī)游走算法
        2.4.3 融合顯著性圖
    2.5 實驗結(jié)果與分析
        2.5.1 實現(xiàn)細(xì)節(jié)
        2.5.2 算法整體性能測評
        2.5.3 算法有效性驗證
            2.5.3.1 顯著性種子點檢測算法的有效性驗證
            2.5.3.2 二次拉普拉斯項的有效性驗證
        2.5.4 顯著性結(jié)果定性測評
        2.5.5 失敗案例
    2.6 本章小結(jié)
3 基于隱式空間嵌入的顯著目標(biāo)檢測算法
    3.1 引言
    3.2 基于聯(lián)合隱式空間嵌入理論的標(biāo)簽傳遞算法
    3.3 隱式空間嵌入算法在顯著目標(biāo)檢測中的應(yīng)用
        3.3.1 準(zhǔn)備工作
        3.3.2 檢索實例圖像
        3.3.3 標(biāo)簽傳遞
        3.3.4 顯著性種子點傳播算法
        3.3.5 初始顯著性圖預(yù)測
    3.4 實驗結(jié)果與分析
        3.4.1 實現(xiàn)細(xì)節(jié)
        3.4.2 算法整體性能測評
        3.4.3 算法有效性驗證
            3.4.3.1 標(biāo)簽傳遞算法有效性的理論分析
            3.4.3.2 標(biāo)簽傳遞算法提升能力驗證
            3.4.3.3 實例圖像集中圖像數(shù)目的影響分析
        3.4.4 顯著性結(jié)果定性測評
    3.5 本章小結(jié)
4 基于空間上下文感知網(wǎng)絡(luò)的顯著目標(biāo)檢測算法
    4.1 引言
    4.2 空間上下文感知模塊
        4.2.1 長程上下文感知模塊
        4.2.2 短程上下文感知模塊
    4.3 空間上下文感知網(wǎng)絡(luò)
        4.3.1 編碼子網(wǎng)絡(luò)
        4.3.2 解碼子網(wǎng)絡(luò)
        4.3.3 融合子網(wǎng)絡(luò)
        4.3.4 損失函數(shù)
    4.4 實驗結(jié)果與分析
        4.4.1 實現(xiàn)細(xì)節(jié)
        4.4.2 算法整體性能測評
        4.4.3 算法有效性驗證
            4.4.3.1 LPCM的有效性
            4.4.3.2 SPCM的有效性
        4.4.4 顯著性結(jié)果定性測評
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 創(chuàng)新點
    5.3 展望
參考文獻(xiàn)
附錄A 近端梯度法收斂性證明
攻讀博士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝
作者簡介



本文編號：3831934